复杂场景下多特征融合的行人检测算法研究
| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 基于统计学习的方法 | 第14-17页 |
| 1.2.2 基于部位的方法 | 第17页 |
| 1.2.3 基于深度学习的方法 | 第17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 论文的章节安排 | 第18-19页 |
| 第二章 基础理论研究 | 第19-29页 |
| 2.1 行人检测流程 | 第19-20页 |
| 2.2 特征的提取 | 第20-23页 |
| 2.2.1 HOG特征 | 第20-22页 |
| 2.2.2 积分通道特征特征 | 第22页 |
| 2.2.3 聚合通道特征 | 第22-23页 |
| 2.3 分类器 | 第23-26页 |
| 2.3.1 支持向量机 | 第23-24页 |
| 2.3.2 Adaboost分类器 | 第24-25页 |
| 2.3.3 RealAdaboost分类器 | 第25-26页 |
| 2.4 数据集及评价标准 | 第26-28页 |
| 2.4.1 常用的数据集 | 第26-27页 |
| 2.4.2 评价标准 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 结合纹理与轮廓特征的多通道行人检测算法 | 第29-39页 |
| 3.1 特征计算方法 | 第29-31页 |
| 3.1.1 LBP特征 | 第29-30页 |
| 3.1.2 ST特征 | 第30-31页 |
| 3.2 训练与检测流程 | 第31-33页 |
| 3.3 实验结果与分析 | 第33-37页 |
| 3.3.1 算法参数的选取实验 | 第33-34页 |
| 3.3.2 仿真比较实验 | 第34-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于运动特征及位置估计的行人检测算法 | 第39-49页 |
| 4.1 LK光流 | 第39-40页 |
| 4.2 运动特征的提取 | 第40-42页 |
| 4.3 基于行人位置估计的后处理方法 | 第42-43页 |
| 4.4 训练与检测流程 | 第43-44页 |
| 4.5 实验结果与分析 | 第44-48页 |
| 4.5.1 算法参数的选取实验 | 第44-45页 |
| 4.5.2 仿真对比实验 | 第45-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读学位期间取得的研究成果 | 第57-59页 |
| 致谢 | 第59-61页 |
| 个人简况及联系方式 | 第61-62页 |
